排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
电梯作为复杂且重要的城市运输工具,对其故障类型检测判别一直是市场监管部门的重点关注对象。提出一种基于核熵成分分析(KECA)的电梯故障识别和判断方法,KECA具有较好的非线性处理能力及聚类能力,适用于电梯不同类型故障数据的降维聚类分析。通过KECA将采集的钢丝绳滑移量、安全钳的提拉力、限速器的转速、抱闸拉力、上下行电流、上下行速度等电梯特征数据进行降维和聚类分析,通过计算样本与各聚类中心的距离,从而来判断电梯的故障类型。通过实验数据分析,证明KECA模型对电梯故障的诊断具有很好的正确率,可以作为电梯运行过程风险识别的重要参考。 相似文献
2.
3.
液压泵长期处于高压、高速的运行工况下,泵体零部件极易发生故障。实际工况下测量的振动信号往往包含着许多无关信号成分如噪声,导致传统方法难以实现故障类型的准确识别。提出一种基于动模式分解(DMD)和t分布随机近邻嵌入(t-SNE)聚类的液压泵故障模式识别方法。在泵体布置传感器进行监测获得振动信号,首先利用DMD进行分解获得表征信号本质特征的模式分量,再利用t-SNE进行降维聚类,实现不同故障类型的准确识别。通过数值仿真和试验台故障数据分析,验证了提出方法的可行性及有效性。 相似文献
1